元外交官およびUNの翻訳者、現在フリーランスのジャーナリスト/ライター/リサーチャーとして、モダンテクノロジー、人工知能、およびモダンカルチャーに焦点を当てている。
レゴの玩具システムは数世代にわたって存在し、多くの人にとって想像力を刺激する手段とみなされてきました。多くのユーザーは、自分自身のイメージをレゴフィギュアとして使用できるようにしたいと考えていることでしょう。その事実を認識して、レゴは、その夢を実現しようと決心しました。 Gizmodoによると、レゴは2020年にニューヨークでオープンするテーマパークを訪れるすべての人のためにその夢を実現しようとします。 これを行うために、会社は高度なモーショントラッキングとニューラルネットワークの顔認識を使用します。 テーマパーク、レゴランドニューヨークリゾートは、ニューヨーク市の北西約60マイルのゴーシェンに位置し、2020年7月4日にオープンします。 Mobile ID Worldによると、この機能は、「レゴファクトリーアドベンチャーライド」と呼ばれる「工場」のツアーをパークのゲストに提供し、レゴの小さなプラスチックブロックがどのように作られているかを見せることができます。「HolovisのHolotrackテクノロジーを使用して、レゴファクトリーアドベンチャーライドには、パークのゲストをレゴのアイコニックなミニチュアフィギュアの1つに変えるセグメントが含まれています。 Holotrackは、ディープフェイク動画を可能にしたのと同じ人工知能とディープラーニング技術を利用しています。ゲストのミニフィギュアは、ゲストの動きや外見、髪、眼鏡、服、表情をコピーします。 ゲストをレゴフィギュアにレンダリングするのにかかる時間は約0.5秒です。」しかし、これはレゴが関与している新しいAI開発の最初のものではありません。 2013年に、レゴエンジニアリングは、レゴのビルディングブロックを使用して動きを探索するために人工知能を使用しました。 2014年、研究者やプログラマーは、レゴマインドストームEV3 ロボットとAIをEV3ロボットのセンサーとモーターにワームの脳を接続するコンピュータープログラムを使用して接続しました。 AI開発の愛好家は、特にロボットの動きを開発しようとして、Mindstorms EV3を使用しています。2004年と2016年には、レゴを使用してAIを教える方法について調査した2つの研究プロジェクトが発表されました。 最初のプロジェクトは、レゴのマインドストームを使用しましたが、後者のプロジェクトは、ワシントン西部大学によって発表され、EV3を含むレゴシステムを使用してAIを12年間教える経験について論じました。しかし、会社のAI分野における最大の進歩は今年、8月に発表されたもので、視覚障害者のレゴの指示に従うのを支援するための新しいシステムの試験を開始することを発表しました。このシステムは、オーディオ＆ブレイルビルディングインストラクションと呼ばれ、「デジタル伝統スタイルのビジュアル指示と音声またはタクティルブレイル指示をペアにするためにAIを使用し、生涯にわたってレゴのファンであるマシュー・シフリンと共同で開発されましたが、彼は盲目です。」このシステムは、開発の初期段階にあり、現在は「いくつかのセットをサポートしていますが、開発チームはユーザーからフィードバックを求めています。」 フィードバックは、フィードバックを実装してさらに多くのセットを追加するために使用され、2020年上半期にすべての新しいレゴ製品の発売をサポートするという最終的な目標があります。 新しいAI駆動プログラムによって作成された公式の指示は、legoaudioinstructions.comから無料で入手できます。
ウデミー、最大のオンライン学習プラットフォームは、最近、ウデミー・フォー・ビジネス 2020年ワークプレイスラーニングトレンドレポート：未来のスキル (48ページ、PDF、オプトイン)を公開しました。 フォーブスによると、このレポートは、「AIを活用した世界での将来の仕事への準備が、ワークフォースにとって重要である」と主張しています。このレポートでは、「金融界では、AIとコンピューターによって管理される投資ファンドが、現在アメリカの株式市場の35%を占めています」と述べられており、エコノミストの最近の記事金融マシンの台頭に引用されています。ウデミーによると、AIは仕事の世界を変えつつあります。この組織は、65%のリーダーがAIとロボティクスが人材資本において重要または非常に重要であると述べています。ただし、ウデミーが調査した組織のうち、26%のみがこれらの新しいテクノロジーの影響に備えている、または非常に備えていると回答しています。ウデミーは2020年の5つの主要トレンドを指摘しています。トレンド1 – 2020年にAIが主流になるトレンド2 – 2020年は人間とマシンの全潜在能力を実現する年トレンド3 – 学習と開発がワークフォースの再スキル化に取り組み始めるトレンド4 – 組織がデータ駆動型の文化を構築するトレンド5 – 世界中の国々が高く評価されるテクノロジー・スキルを身に付けている特にAIとロボティクスに関する予測について、ウデミーレポートはまた、TensorFlow、マシンラーニングのためのオープンソースプラットフォームが「過去3年の最も人気のあるテクノロジー・スキルであり、2016年から2019年の間に指数関数的に増加した」と述べています。フォーブスによると、ウデミーの他の2つの重要な予測は、AIとデータサイエンスのスキル、ウェブ開発フレームワーク、クラウドコンピューティング、IT認定（AWS、CompTIA、Dockerを含む）に対する強い需要があることです。また、エンタープライズソフトウェアであるSAPの専門知識（ビジネス運営と顧客関係の管理に関する知識と資格）が「2020年のプロセス関連スキルセットの中で最も急成長するスキルセットになる」と予測しています。より詳細な予測では、「TensorFlow、OpenCV、ニューラルネットワークは、多くのデータサイエンティストがAIベースのキャリア戦略を進化させ、完璧にしようとしている基礎的なスキルです。」と述べています。これらのスキルは、AIアプリケーションやプラットフォームを理解し、開発するための基礎です。TensorFlowについて、フォーブスは「無料のオープンソースソフトウェアライブラリであり、さまざまなタスクに対するデータフローと微分可能なプログラミングに使用されます。シンボリックな数学ライブラリであり、ニューラルネットワークなどのマシンラーニングアプリケーションにも使用されます。」と述べています。ウデミーが強い関心を持っているもう1つの関連カテゴリは、ロボティック・プロセス・オートメーション（RPA）とビジネス・プロセス・マネジメント（BPM）です。RPAは、人気のある生産性アプリ、データベース、またはウェブアプリケーションを使用して、人間が日常の事務作業を行う方法を迅速に複製するためのプロセスオートメーションツールの使用を指します。
人工知能は、現在までに多くの進歩と利点を示してきましたが、人種や性別の偏見などの不適切な副作用も報告されています。したがって、sciencealert.comは、「高度な思考システムが公平で、さらには安全であることを保証するために、科学者はどのようにしてそれを実現することができるのか」と疑問を提起しています。答えは、スタンフォード大学とマサチューセッツ大学アマースト校の研究者による報告書にあります。この報告書は、「知的マシンの不適切な行動を防止する」というタイトルで、eurekaalert.orgは、この報告書についての記事で、「AIは現在、機密性の高いタスクを処理するようになっており、政策立案者は、コンピュータ科学者に、自動化システムが、過度のリスクや人種や性別の偏見などの不適切な結果を最小限に抑えるように設計されていることを保証するよう求めています」と述べています。この研究チームが提示した報告書は、「性別の偏見を避ける」という曖昧な目標を、機械学習アルゴリズムがAIアプリケーションをそのような行動を避けるようにトレーニングできるような、正確な数学的基準に翻訳する新しい技術を概説しています。目的は、スタンフォード大学のコンピュータ科学の助教授であり、論文の著者であるエマ・ブルンスキル氏によると、「私たちは、人間のユーザーの価値を尊重し、自律システムに寄せられた信頼を正当化するAIを進歩させたい」と述べています。アイデアは、「安全でない」または「不公平な」結果や行動を数学的用語で定義することで、研究者によると、「これらの望ましくない結果を回避する方法をデータから学習することができるアルゴリズムを作成する」ことができます。2番目の目標は、「ユーザーが、どのような不適切な行動を制限したいのかを簡単に指定できるようにするための技術セットを開発する」ことでした。また、「過去のデータでトレーニングされたシステムが現実の状況で信頼できるものであることを、機械学習設計者が自信を持って予測できる」ようにすることでした。ScienceAlertによると、研究チームはこの新しいシステムを「セルドニアン」アルゴリズムと命名しました。これは、アイザック・アシモフの有名なSF小説「ファウンデーション」シリーズの主人公にちなんで命名されたものです。マサチューセッツ大学アマースト校のコンピュータ科学の助教授であり、論文の著者であるフィリップ・トーマス氏は、「セルドニアン・アルゴリズムを使用して、糖尿病の治療を行う場合、不適切な行動とは、危険な低血糖または低血糖症を意味します」と述べています。「私は、マシンに、『インスリンポンプのコントローラーを改善する際に、低血糖症の頻度を増やすような変更を加えないでください』と言います。ほとんどのアルゴリズムでは、このような制約を課す方法は提供されていません。初期の設計には含まれていませんでした」トーマス氏はさらに、「このセルドニアン・フレームワークにより、機械学習設計者が、さまざまなアルゴリズムに、行動の回避命令を組み込むことが容易になります。これにより、トレーニングされたシステムが現実の世界で適切に機能する確率を評価できるようになります」と述べています。エマ・ブルンスキル氏も、「安全性や公平性などの価値を尊重するアルゴリズムを作成する方法について考えることは、社会がAIにますます依存するようになるにつれて、不可欠です」と述べています。
Venture Beat (VB)は、人工知能の開発におけるマルチモーダル学習の利点についての週刊レポートを発表しました。そのきっかけとなったのは、ABI Researchによるマルチモーダル学習に関するレポートでした。この概念の重要性は、「データセットはAIシステムの基本的な構成要素であり、データセットがなければ、モデルは予測に必要な関係を学習できない」という事実にあります。ABIレポートでは、「2019年にはAIデバイスの総設置台数が24億6900万台から2024年には44億4700万台に増加するが、比較的少数のデバイスのみが短期的に相互運用可能になる」と予測しています。これは、時間、エネルギー、リソースの大量の浪費につながる可能性があります。 ABIによると、「デバイス間でペタバイト単位のデータを単一のAIモデルまたはフレームワークに統合するのではなく、各デバイスは独立して異質的に動作し、入力されたデータを解釈することになる」と述べています。これを克服するために、ABIはマルチモーダル学習を提案しています。これは、さまざまなセンサーと入力から得られたデータを単一のシステムに統合する手法です。マルチモーダル学習により、補足的な情報や傾向が得られることがありますが、これらは学習プロセスですべてのデータを含めることでのみ明らかになることがあります。VBは、画像とテキストキャプションを組み合わせた例を示しています。 「異なる単語が似た画像とペアになっている場合、これらの単語はおそらく同じ物体やオブジェクトを表していることになります。一方、単語が異なる画像とペアになっている場合、これらの画像は同じオブジェクトを表していることを意味します。したがって、AIモデルはテキストの説明から画像のオブジェクトを予測できるはずであり、実際、学術的な文献ではこれが実証されています。」これらの利点にもかかわらず、ABIは、IBM、Microsoft 、Amazon 、Googleなどの大手テクノロジー企業が依然として単一モーダルシステムに重点を置いていることを指摘しています。理由のひとつは、このような転換がもたらす課題です。しかし、ABIの研究者は、「2017年には394万台だったデバイスの出荷台数が2023年には5億1412万台に増加する」と予測しています。これは、ロボティクス、消費者、ヘルスケア、メディア、エンターテインメント分野での採用によって促進されるものです。マルチモーダル学習を既に実施している企業の例として、Waymoが挙げられます。Waymoは、このアプローチを使用して「超高感度の自動運転車」を開発しています。また、Intel Labs では、エンジニアリングチームが「リアルワールド環境でのセンサーデータの収集技術」を調査しています。Intel LabsのプリンシパルエンジニアであるOmesh Tickooは、VBに「時間帯などのコンテキストを判断する技術を使用して、センサーのデータが最高品質でない場合にシステムが通知するようにしました。信頼性の値を与えることで、センサーを異なる間隔で比較し、必要な答えを得るために最適な組み合わせを選択することができます」と説明しています。VBは、「単一モーダル学習は、画像認識や自然言語処理などの分野で高い効果を発揮するため、依然として主流であると考えられます。一方、電子機器のコストが低下し、コンピューティングのスケーラビリティが向上するにつれて、マルチモーダル学習の重要性はさらに高まると予測しています」と述べています。
The VergeやCNETによると、Googleはアプリケーションに2つの新しいAI機能を追加している。最初の機能は、Google Docsのユーザーに役立つSmart Compose機能であり、2番目の機能は、Duplexという予約システムを介して映画のチケットを購入できる機能である。Smart ComposeSmart Composeが完全に利用可能になると、ユーザーは「AIによる書き込みの提案をインボックスの外で利用できる」ようになる。現在、「ドメイン管理者だけがベータ版に参加できる」。この新しい機能は、Googleの機械学習モデルを使用し、ユーザーの「過去の書き込みを分析して個別の提案を提供する」ことになる。理論的には、Smart Composeはユーザーの書き込みスタイルに基づいて提案を提供することになる。The Vergeによると、「Google DocsにSmart Composeを追加することは、ツールにとって大きな進歩となる可能性がある。AIによる自動提案をより幅広い書き込みスタイルに挑戦できる」ことになる。この新しいツールは、学校の宿題や企業の計画書、最初の小説の草案など、すべてのドキュメントに適用できる。最初に、GoogleはSmart Composeの利用範囲を制限し、企業のみを対象とする。Smart Compose for Docsは現在ベータ版のみで、英語のみで、ドメイン管理者だけがテストに参加できる。(ここで参加することができる。)Google DuplexGoogleが11月21日に発表したもう1つの機能は、Duplex on the Webであり、ユーザーが簡単に映画のチケットを購入できる予約サービスである。CNETによると、このサービスは「Androidの携帯電話で利用できる」。このサービスを利用するには、Assistant（Googleのデジタルヘルパーソフトウェア）に特定の映画の上映時間を調べるように依頼する。ソフトウェアはGoogleのChromeブラウザを開き、チケットを探す。このサービスを提供するために、Googleは「70の映画館やチケット会社、包括してAMC、Fandango、Odeon」と提携している。会社は将来、予約システムを車のレンタル予約に拡大する予定である。このツールに含まれるAIソフトウェアは「人間の会話を模倣しており、’えー’や’あー’などの発話の癖を使用している。実際の人のように話し、応答する前に一時停止し、特定の単語を長く発音する」ことになる。Duplexは先年初めて登場し、レストランや美容院の予約を提供していた。「Googleは後に、自動ソフトウェアであることを明確にするための開示を組み込むことを発表した」。説明したように、映画のチケットを予約するための新しいDuplexバージョンは、次のように機能する。「Assistantに映画のチケットを求めると、ソフトウェアはChromeブラウザを開き、チケットのサイトにアクセスする。システムは、カレンダー、Gmailの受信トレイ、Chromeの自動入力（クレジットカードやログイン情報など）から収集したデータを使用して、フォームに情報を入力する」。プロセス中、ダウンロード中のように進捗バーが表示される。システムが価格や座席の選択などの追加情報を必要とする場合、プロセスは一時停止し、選択を求める。完了すると、予約または支払いを確認するためにタップする。
オンラインポータルサイトのSlashgearなどが報じたところによると、テクノロジー大手のソニーは、人工知能の開発に焦点を当てた新しいグローバル部門を立ち上げる予定である。目標は、ゲーム、写真、さらには料理にマシンアプリケーションを適用することである。新しい部門は世界中にオフィスを設置する予定である。報道によると、ソニー・コンピュータサイエンス研究所の会長兼CEOである北野宏明が、ソニーAIのグローバルヘッドになる予定である。ピーター・ストーンは、強化学習とロボティクスの豊富なバックグラウンドを持つコンピュータサイエンスの研究者であり、アメリカのチーフになる予定である。このニュースは、ソニーが公式プレスリリースを発表したことに伴うものである。同社は、カーネギーメロン大学（CMU）とAIおよびロボティクスの共同研究に関する契約を結んだ。初期の取り組みは、料理と配達に焦点を当てる予定である。すでにAI開発の努力を強化しようとしているソニーは、Aiboロボットドッグを新しいバージョンで復活させた。新しいバージョンは、「クラウド処理、顔認識、学習AIなどをフルに活用して、よりリアルで魅力的なペットになる」というコンセプトで開発されている。Aiboの開発は表面上では「人工知能の遊び心のある解釈」と見えるかもしれないが、ソニーの目的は、「こうした技術が人間の想像力と創造性を解き放つ」ことを探求することである。また、同社の既存の事業を超えて、新しい潜在的な応用を探ることである。このプロジェクトを基盤として、ソニーの日本、米国、ヨーロッパのチームは、「3つのフラグシッププロジェクト」を立ち上げる予定である。そのうちの1つは、CMUとの上で行われるガストロノミー研究である。他の2つの分野は、ゲームとイメージング＆センシングである。ソニーは、ゲームを焦点にしているのは、ゲームが広くAI実験で使用されているからである。また、「ゲーム世界は、人工知能を開発するための一般的な研究方法である」と述べている。もちろん、ソニーの製品には、より直接的な応用がある。新しいAIチームは、「PlayStationチームがより賢いゲームキャラクターを開発するのを支援する」ことができる。イメージング＆センシングについては、ソニーは、新しいタイプのセンサーを開発することを目指している。これらのセンサーは、「人工知能の感覚器官」として使用されることができる。「その場合、リアルタイムデータ分析からロボット、サーバースペース内のエージェントまで、幅広いシナリオでAIシステムを検討することができる。」この分野では、Endgadgetが指摘しているように、ソニーはすでにA6600カメラなどの製品で、オートフォーカスの改善に貢献している。ガストロノミーでのAIの開発計画について、ソニーは、「クリエイターに近づく」観点からAIとロボティクスを活用し、シェフの創造性を拡大することを目指している。トップレベルのシェフは、AIと交流することで新しいレシピのインスピレーションを得ることができ、日常生活で食事を準備するすべての人も、創造のプロセスをより楽しむことができるようになる」と述べている。
人工知能をさらに進歩させるために、新しい飛躍を遂げる必要があります。著者Jun Wuは、Forbesの記事「Can Artificial Intelligence Learn To Learn?」で、「人工知能は『学習することを学ぶ』必要があります」と述べています。では、具体的に何を意味するのでしょうか。Wu氏は次のように説明しています。「人間は、どのような状況や周囲にもかかわらず、学習する能力を持っています。」 人間は学習プロセスを適応させることができます。人工知能も同様の柔軟性を持つためには、Artificial General Intelligenceが必要です。つまり、Meta-Learning、つまり学習プロセスについて学ぶ必要があります。人間と人工知能の学習プロセスには、特に一つの大きな違いがあります。人間の学習能力は限られている一方で、人工知能は計算能力などの多くのリソースを持っています。人間の脳力には限界があり、学習する時間も限られています。しかし、人工知能は「人間の脳が使用するよりも多くのデータから学習し、膨大な量のデータを処理するために、巨大な計算能力が必要です。」Wu氏は次のように説明しています。「人工知能のタスクの複雑さが増加すると、計算能力も指数関数的に増加します。」 つまり、計算能力のコストが低くても、「指数関数的な増加は、望ましいシナリオではありません。」 これが現在、人工知能が「特定の目的の学習者」である理由です。学習プロセスをより効率的にするためです。しかし、人工知能が「学習することを学ぶ」ことを始めると、データの複雑さが増加することから「データから推論する」ことを始めました。指数関数的な計算能力の増加を避けるために、より効率的な学習パスを開発し、人工知能はそのパスを覚える必要がありました。問題は、研究者や技術者が人工知能にマルチタスクの問題を与え始めたときにさらに複雑になりました。そうするには、人工知能は「独立したデータセットを並列に評価し、データ間の関係を推論する」必要があります。人工知能は、一つのタスクを実行しながら、他の状況でも適用できる知識を更新する必要があります。タスクは相互に関連しているため、「タスクの評価は、ネットワーク全体で実行される」必要があります。Googleは、MultiModelというモデルを開発しました。これは、8つの異なるタスクを同時に実行できる人工知能システムです。MultiModelは「画像内のオブジェクトを検出し、キャプションを提供し、音声認識し、4つの言語ペア間で翻訳し、文法的構成解析を実行する」ことができます。Googleの成果は大きな飛躍ですが、人工知能はさらに進歩する必要があります。一般的な学習者になるには、メタ推論とメタ学習をさらに発展させる必要があります。Wu氏は次のように説明しています。「メタ推論は、認知リソースの効率的な使用に焦点を当てています。メタ学習は、人間が独自の能力を持っており、限られた認知リソースと限られたデータから効率的に学習する能力に焦点を当てています。」現在、人間の認知と人工知能の学習方法のギャップを埋める研究が行われています。内部状態の認識、記憶の正確さ、信頼性などの違いについてです。これらすべてのことから、「人工知能が一般的な学習者になるためには、人間の学習方法と人工知能が人間の学習方法を模倣する方法について、広範な研究が必要です。新しい状況に適応する能力、限られたリソースで戦略的な決定を下す能力など、人工知能研究者が克服しなければならない数多くの課題があります。」
Endgadgetによると、2人のAI研究者は、てんかん患者にとって新たな希望をもたらすシステムを開発した。このシステムは、「てんかん発作を99.6パーセントの精度で予測することができ、発作が起こる1時間前に予測することができる」というものである。これは、てんかんの予測に関する初めての新しい進歩ではない。以前、オランダのエインドホーベン工科大学（TU）の研究者たちは、夜間にてんかん発作を予測することができるスマートアームバンドを開発していた。しかし、IEEE Spectrumによると、新しいAIシステムの精度と短時間での予測能力は、世界中の約5000万人のてんかん患者にとって新たな希望をもたらすものである。世界保健機関（WHO）のデータによると、このうち70パーセントの患者は、適切な時期に薬を服用することで発作を制御することができる。新しいAIシステムは、ルイジアナ大学ラファイエット校のHisham DaoudとMagdy Bayoumiによって開発されたもので、「既存の予測方法から大きな飛躍」と評価されている。Daoudは、「てんかん患者にとって、予測できない発作の時期は、強い心理的および社会的影響を与える」と説明している。説明によると、「各人は独自の脳パターンを示すため、発作を正確に予測することは難しい」という。従来のモデルでは、発作を予測するために2段階のプロセスが必要で、まず脳パターンを手動で抽出し、次に分類システムを適用する必要があった。Daoudによると、このプロセスは、発作の予測に必要な時間を増加させていた。彼らのアプローチは、7月24日にIEEE Transactions on Biomedical Circuits and Systemsに掲載された研究論文で説明されている。「特徴抽出と分類のプロセスは、単一の自動化システムに統合されており、より早くて正確な発作予測を可能にしている」という。さらに、DaoudとBayoumiは、深層学習アルゴリズムを使用して、患者さんの脳活動の空間的・時間的特徴を抽出し、分析することで、システムの精度を向上させた。EEG読み取りには複数の「チャネル」の電気活動が含まれることがあるため、予測プロセスをさらに高速化するために、最も予測に適した電気活動のチャネルを識別するための追加アルゴリズムを適用した。完成したシステムは、ボストン子供病院の22人の患者でテストされ、サンプルサイズは小さかったものの、システムは非常に正確（99.6パーセント）で、誤報の率は非常に低い（1時間あたり0.004の誤報）ことが証明された。Daoudによると、次のステップは、アルゴリズムを処理するためのカスタマイズされたコンピュータチップの開発である。「現在、システムのサイズ、消費電力、待ち時間など、多くの問題を考慮して、患者にとって実用的かつ快適な方法でアルゴリズムを展開する効率的なハードウェアの設計に取り組んでいる」という。
マイクロソフトは、AzureクラウドプラットフォームがAmazonやGoogleと人気を競うことを望んでおり、Wiredによると、英国スタートアップのGraphcoreと提携して、新しいコンピュータチップを開発し、新しい人工知能技術を支えることを目指しています。Wiredによると、ブリストル、英国に本拠を置くGraphcoreは、「AIが機能するために必要な計算を加速するチップを開発するという約束で、AI研究者から多大な注目を集め、数百万ドルを投資を受けています。」 2016年の設立以来、同社は初めてチップとテスト結果を公開しています。マイクロソフトは2018年12月にGraphcoreに投資し、「2億ドルの資金調達ラウンドの一環」として、クラウドサービスを使用するAIアプリケーションの顧客数を増やすことを目指しています。Graphcore自身は、「顔認識、音声認識、言語解析、自動運転、ロボットのトレーニング」に役立つ計算をサポートするために、チップを一から設計しました。同社は、チップを使用する企業が「ビジネスクリティカルなAI操作を実行する企業、自動運転車スタートアップ、トレーディング会社、大量のビデオやオーディオを処理する企業、および次世代AIアルゴリズムを開発する企業」であると期待しています。マイクロソフトとGraphcoreが2019年11月13日に発表したベンチマークによると、「チップは、NvidiaやGoogleのトップAIチップと同等かそれ以上のパフォーマンスを発揮し、Graphcoreのハードウェア用に書かれたコードは、さらに効率的になる可能性があります。」両社はさらに、「特定の画像処理タスクは、Graphcoreのチップで何倍も高速に実行される」と述べ、「BERTと呼ばれる言語処理のための人気AIモデルを、他のハードウェアと同等の速度でトレーニングすることができました。」Moor InsightsのAIチップスペシャリスト、Karl Freundは、新しいチップの結果が「最先端だがまだ柔軟性がある」と述べ、「プログラム可能にするという、非常に難しいことを成し遂げている」と評価しています。Wiredはさらに、Graphcoreの共同創設者兼CEOであるNigel Toonが、両社の協力が同社の設立から1年後に開始されたと述べ、同社のチップは、特に大規模なAIモデルまたは時系列データを扱うタスクに適していることを強調しています。また、金融分野の顧客は、Graphcoreのハードウェアを使用することで、市場データを分析するアルゴリズムのパフォーマンスが26倍向上したと伝えています。他のいくつかの小規模企業は、この機会に「Azureを介してGraphcoreのチップを使用している」と発表しました。これには、Citadelが含まれ、同社はチップを使用して金融データを分析する予定です。また、Qwantも含まれ、同社はResNextと呼ばれる画像認識アルゴリズムを実行するためにハードウェアを使用する予定です。
専門出版物KDNuggetsは、AIについての10冊の無料オンライン書籍のリストを発表しました。このリストは、出版物がまとめた4番目のリストであり、以前のリストは2017、2018、および2019に公開されています。ここでは、現在のリストにある5つのタイトルの簡単な説明を紹介します。これらは、AIについてのより一般的な要素と知識を表しています。DeepLearning by Ian Goodfellow, Yoshua Bengio, and Aaron Courville (2016年11月, 800 pages).タイトルが示すように、この本はディープラーニングに焦点を当てており、ディープラーニングのマスターに取り組むすべての人にとって非常に役立つでしょう。具体的には、「モンテカルロ法、再帰的および再帰的なネットワーク、オートエンコーダー、ディープジェネレーティブモデルに関する包括的な数学的および概念的なカバー」について扱っています。人工知能の探求：アイデアと成果の歴史 by Nils J. Nilsson (2009年10月, 707 pages).この本は、科学者、哲学者、作家の想像力を捕らえてきた分野の歴史を表現しています。18世紀（およびそれ以前）の先駆者の初期の夢から、今日のAIエンジニアの成功した仕事まで、AIの歴史を辿っています。「本の多数の図とAIプログラムのわかりやすい説明により、これらのAIシステムのしくみを理解できます。」ニューラルネットワークの簡単な紹介 by David Kriesel, manuscript (2007,...
人工知能への投資額は毎年指数関数的に増加している。市場調査会社Markets and Marketsによると、AI市場は2025年までに191億ドルに達すると予測されている。2018年の投資額は215億ドルであった。この現象について、英国専門誌TechWorldは、世界の12の大手テック企業が人工知能の開発に投資している状況を調査した。ここでは、その分野で現在トップ6に入る企業を紹介する。Nvidia – 世界最大の半導体メーカーの一つであるNvidiaは、AI技術への投資も非常に積極的である。チップはAI技術の進歩を促進するための重要な要素である。Nvidiaは、自動車、ロボット、建設、ヘルスケアなどの分野でAI技術の応用に注力している。NvidiaとNuanceのパートナーシップでは、ディープラーニングチップとプラットフォームを使用して医療画像処理にAIを導入している。「AIを利用した画像処理サービスにより、医療専門家は新しいツールを使用してX線やその他の画像を分析できるようになる」。Intel – Intelは最近、14のAIスタートアップ企業に1億1700万ドルを投資した。2016年にも、NervanaとMovidiusを買収し、2019年にNervana Neural Network Processor（NNP）を発売した。このプロセッサは、AIモデルのトレーニングと推論を加速するために特別に設計されている。Intelのブログ投稿では、人工知能製品グループのVPおよびGMは、「AIが普及する世界では、特定のユースケースに合わせたプロセッサーや顧客のニーズに応えたハードウェアソリューションを開発する必要がある」と述べている。「AIが普及する世界では、特定のユースケースに合わせたプロセッサーや顧客のニーズに応えたハードウェアソリューションを開発する必要がある」。GoogleのCEOであるSundar Pichaiは2016年に、「AIが普及する世界では、特定のユースケースに合わせたプロセッサーや顧客のニーズに応えたハードウェアソリューションを開発する必要がある」と述べている。 DeepMind、Googleが2014年に4億ドルで買収したAIスタートアップは、さまざまな分野で活用されている。例えば、「最短ルートの検索、ボードゲーム「囲碁」のチャンピオンプレイヤーとの対戦、NHSとの協力によるヘルスケアの改善」などである。同時に、AIはGoogleのさまざまな製品、例えばGmailやGoogle Assistantにも重要な役割を果たしている。Amazonは、オンラインのレコメンドエンジンから倉庫でのロボットの使用まで、幅広い分野でAIを活用している。Alexaは、ニューラルネットワークを利用した自然言語処理によって人間の声に応答する、Amazonの知的ボイスアシスタントである。「Amazonは、Lexを使用して会話インターフェースを構築し、Pollyを使用してテキストを音声に変換し、Rekognitionを使用して画像分析を実行し、Comprehendを使用してテキストの分析を行い、SageMakerを使用して大規模な機械学習モデルを構築してデプロイすることができる」。Microsoft は、AIへの大規模な投資を進めており、Windows、Office、Azureのビジネスユニットを包含する人工知能および研究グループを設立した。2016年、MicrosoftはAIスタートアップへの投資を目的としたMicrosoft Venturesを立ち上げた。以来、同社のAIへの投資は継続的に増加しており、2018年 aloneで5つのAIテクノロジー企業を買収している。今年、同社は「OpenAIへの10億ドルの投資、Microsoft Azure上でのAIスーパーコンピューティング技術の開発のための2年間のパートナーシップ」を発表した。Appleは、AI技術への投資を強化している。最近、Googleの検索およびAIのチーフであるJohn Giannandreaを、AppleのマシンラーニングおよびAI戦略の責任者に迎えた。Appleは、Emotient（顧客の反応を分析するための顔認識技術）、Vocal IQ（ボイスインターフェースのプラットフォーム）、Silk Labs（消費者向けデバイス用のAIソフトウェア）などのAIスタートアップにも投資している。Appleは、ユーザーデータの保護と透明性の向上を目的としたAIの使用に関する学術論文も発表している。リストの残りはこちらで見ることができる。
ビジネス向けの出版物 Fast Company は、オンラインの性的な広告を分析して人身売買を暴くように設計された最近のAIの開発について報告しています。カーラ・スミス、デリバーファンドのシニア・ターゲット・アナリスト、デリバーファンド、CIA、NSA、特殊部隊、法執行機関の元職員で構成されるグループ、米国での性的人身売買の捜査に協力しています。彼女と彼女の研究チームは、広告を分析し、「モリー」という新しい「バニー」がアトランタで性的な行為、支配、ストリップショーを男性に売り込んでいるという例を出版物に示しました。分析の結果、スミスと彼女の同僚は、モリーがこれらの行為を強制的に行っていることを示唆する手がかりを見つけました。「例えば、彼女は屈んだ姿勢でベッドの上に描かれており、カメラに向かって後ろを向けています。」スミスは、他にも例を挙げました。「青あざや歯形などの他に、女性を売春の対象としてブランド化するタトゥーもあります。王冠は人気のあるイメージで、ピンプは自分たちを「王」と呼びます。金銭を振り回す写真も、ピンプのショーマンシップの特徴です。」研究者であるスミスは、これらのマーカーを手動で見つける必要がありました。しかし、約1年前、デリバーファンドは、コンピュータービジョンのスタートアップであるXIXから、AIを使用してこのプロセスを自動化するオファーを受けました。説明によると、「同社のソフトウェアは、性的人身売買者が使用するサイトから画像をスクラップし、画像内のオブジェクトをラベル付けするため、スミスのような専門家が疑わしい広告を迅速に検索してレビューできます。各性的人身売買広告には平均3枚の写真があり、XIXは約1分あたり4,000件の広告をスクラップして分析できます。これは、オンラインで新しい広告が投稿される速度に相当します。」初期の3年間で比較的ゆっくり始まったデリバーファンドは、最初の3年間で3人のオペレーターしかいませんでしたが、ピンプを4人だけ暴くことができました。しかし、人員を増員し、XIXと協力を開始してから、2019年の最初の9ヶ月間で、「デリバーファンドは、25人の人身売買者と64人の未成年性売春の購入者の逮捕に貢献しました。50人以上の被害者が救出されました。」また、Backstage.comの摘発にも協力しました。これは、「自発的な性労働者と人身売買の被害者を売春のために広告するためのトップの場所でした。」また、「XIXのツールは、デリバーファンドが人身売買の被害者だけでなく、人身売買者も特定するのに役立ちます。オンライン広告には、ピンプ自身の個人情報が頻繁に表示されます。」レポートによると、「XIXのコンピュータービジョンは、デリバーファンドが虐待の事例を調査し、インテリジェンス報告書をまとめるために使用するデジタルワークフローにおける重要なツールです。」これらの報告書に基づいて、デリバーファンドは、米国全土の63の機関に情報を提供していますが、モンタナ、ニューメキシコ、テキサスの司法長官事務所とも関係があります。組織は、「法執行機関の職員に対して、虐待の事例を認識して調査する方法と、デリバーファンドのデジタルツールを使用する方法についての無料トレーニングを提供しています。参加機関は、事例を独自に調査し、他の機関と共同で、デリバーファンドが開発したPATH（人身売買者の分析とターゲット化のプラットフォーム）と呼ばれるシステムを使用して協力できます。」人身売買研究所の情報によると、世界中の人身売買の被害者の約半分が未成年者であり、スミスは「性的人身売買の被害者の圧倒的多数は米国市民である」と述べています。
TheNextWeb（TNW）によると、人工知能プロジェクトを数多く手がける非営利組織であるOpenAIは、GPT-2というテキスト・ジェネレーターに関する最終モデルを公開した。GPT-2は、2019年2月の発表以来、大きな議論を巻き起こしてきた。OpenAIの研究論文「Language Models are Unsupervised Multitask Learners」によると、「GPT-2は、機械学習を用いて、制限された入力に基づいて新しいテキストを生成する。」つまり、ユーザーが任意のテーマについて一文や二文を入力すると、AIジェネレーターは元の入力に関連したテキストを生成する。実質的には、TNWによると、ほとんどの「テキスト・ジェネレーター」と異なり、事前に書かれた文字列を出力しない。GPT-2は、以前存在しなかったテキストを生成する。カーネギー・メロン大学図書館のプログラム・ディレクターであるScott B. Weingartは、ツイートで具体的な例を示している。 What is a Panther but a young lion? An entire corridor filled entirely with people screaming. How’s this...
言語と文章の専門家であるReuven Koretは、オンライン出版物のreadwriteで、翻訳における人工知能の影響と使用状況について詳細に説明している。Koretは、翻訳プロセスのすべての側面で、AIベースの機械翻訳ツールの使用が広まりつつあることを指摘している。これは、Google 、Microsoft 、Facebook 、Amazonなどの独自のML翻訳ツールに限定されていない。詳細なプロフェッショナルツールを提供する会社 seperti SDLも存在する。しかし、多くのプロフェッショナル翻訳者やエージェンシー、例えばWilliam Mamane、Tomedesのデジタルマーケティング担当者は、翻訳におけるAIの使用について懐疑的である。ただし、Mamaneのような懐疑論者も、機械翻訳が重大な進歩を遂げており、「翻訳サービス値チェーンの中には、AIと機械翻訳のための場所がある」と指摘している。機械翻訳の課題を説明するために、Koretは「基本的なレベルで、MTはアルゴリズムを使用して、1つの言語の単語を別の言語の単語に置き換える。しかし、これだけでは翻訳に成功することはできない。両方の言語の全フレーズの理解が必要である。MTを、ソース言語を解読し、ターゲット言語でその意味を記録するという方法で理解することができる。」この課題を解決するのは非常に複雑なプロセスであり、現在最も発達したプロセスは、「統計を使用して、与えられたフレーズの最良の翻訳を選択する」というものである。また、「構造化されたルールを使用して、最も可能性の高い意味を選択する」というアプローチもある。これらのアプローチでは、エディターとプルーフリーダーの関与が必要である。しかし、「その監視、編集、または監査役割は、翻訳よりも要求が少なく、時間がかからない。」これらの方法は、Google Translateのようなウェブ翻訳アプリの基盤となっている。注目すべきは、Googleが1日あたり100万冊の本分の翻訳を処理していることである。現在、翻訳プロセスにおけるAIの使用において、さらに大きな進歩が成し遂げられている。ニューラル機械翻訳（NMT）を使用して、「深層学習を使用して翻訳し、単語だけでなく全文を考慮する」というアプローチが取られている。同時に、NMTでは「統計的手法に必要なメモリの小さな部分しか必要とせず、同時に高速に動作する」という特徴がある。NMTの使用は2014年に初めて研究されたが、過去5年間の急速な進歩により、双方向の再帰神経ネットワーク（RNN）の開発が可能になった。再帰神経ネットワークは、エンコーダとデコーダの2つのRNNで構成されており、エンコーダはソース文を2番目のRNNであるデコーダに渡す。デコーダは、ターゲット言語で出現するべき単語を予測する。GoogleはNMTでこのアプローチを使用してGoogle Translateを駆動させている。また、MicrosoftもMicrosoft TranslatorとSkype TranslatorでRNNを使用している。Koretは、NMTは翻訳を支援することができ、熟練した言語学者は翻訳出力を完成させ、磨き上げることができる。将来的には、翻訳者はより頻繁に人工知能と協力して仕事をすることになるだろう」と結論付ける。
アマンダ・ラウディンは、OneZeroの記事で、現在のウィンブルドン選手権優勝者ノバク・ジョコビッチが、5時間に及ぶ激戦のチャンピオンシップ・マッチでロジャー・フェデラーに勝利するためにAIの力を借りたことを紹介している。エドとアンドリュー・フラゼールは、父と息子のチームで、RightChainの所有者である。RightChainは、Atlantaを拠点とする先進的なサプライ・チェーン・オプティマイゼーション、プランニング、分析ソフトウェア会社である。同時に、フラゼールはテニス愛好家であり、彼らの計画概念がスポーツに適用できるかどうかを見てみようと思った。エド・フラゼールは、Brain Game Tennisを運営するクレイグ・オシャネシーに連絡した。オシャネシーは2017年からジョコビッチを含むプロ選手と一緒に仕事をしている。ラウディンは、「彼は選手のプレイのパターンを分析し、選手自身のパフォーマンスを改善する方法と、特定の相手に対してどのような戦略を採用するべきかを理解するのに役立つ」と述べている。オシャネシーの仕事のパートナーは、Tennis AnalyticsのCEOであるウォーレン・プレトリアスである。プレトリアスは、2013年に導入したマニュアルタギングを利用したビデオ分析モデルの開発者である。彼の方法は、25の重要な指標に基づいてマッチを分析し、データ分析と視覚化を組み合わせて、マッチ情報を抽出してインデックス化されたビデオにキーワードを生成することである。フラゼールは、オシャネシーとプレトリアスとウィンブルドンで会ったと述べており、「私たちはその夜からデータを実行し始めた」と言っている。RightChainのAIアプリケーションは、Colgate、Caterpillar、Ford、Baxter、Coca-Colaなどの企業がサプライ・チェーンを簡素化するのに役立つ。ラウディンは、予測に「AIベースのアルゴリズムを使用して、各製品に固有のモデルを作成し、継続的に更新する」という例を示している。また、ネットワーク最適化では、「ユーザー定義の基準に基づいて配送センターを配置するためのアルゴリズムを使用する」と述べている。テニスに彼の方法論を適用するために、フラゼールはテニス・ボールの旅程を、サプライ・チェーンと同様の方法で分解することにした。フラゼールは、「テニスでは、ボールの目的地と起点に焦点を当てたフィールドに変更しました。非常に正式な座標系で、テニス・コートを以前になかったレベルの詳細にマッピングしています」と説明している。（この場合、各サービス・エリアは12のサブ・ゾーンに分割され、バック・コートは8つのゾーンに分割される。）テニス・プレイのみの分析はかなり一次元的であり、オシャネシーは、「AIは繰り返しのパターンを見つけ、ラリーの長さを測定し、プレーヤーがボールを打った正確な位置を決定できる」と述べている。「この技術は、より詳細な分析のための追加の層とパターンを提供します。プレーヤーに何が起こっているかを伝えるのは一つのことですが、表とグラフで示すのは別のことです。エドが提供するグラフは、データを複数の方法で切り分け、勝利の重要なポイントを見つけるのに役立つように私たちの目を導きます。」オシャネシーはまた、プレーヤーにプレイのコンシステンシー — 実践で発生する長いラリー — が「過大評価されている」と納得させるのが難しいと述べているが、「ビデオ分析では証明できないが、AIでは可能である」という。プレトリアスは、「データを孤立して見るのではなく、AIを使用すると、プレイの進化のストーリーを得ることができる」と述べている。結局、ノバク・ジョコビッチは2019年のウィンブルドン・トーナメントで優勝し、オシャネシーは、「AIの使用は、テクノロジーがスポーツに与えることができるものの、まだ始まったばかりだ」と述べた。
